买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉云南大学申请的专利基于专心自注意力集成结构组件的代码搜索方法、系统及其装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119415620B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411401889.4，技术领域涉及：G06F16/33；该发明授权基于专心自注意力集成结构组件的代码搜索方法、系统及其装置是由胡刚;文熙;李峰;汤洪宁;向俊杰;曹宇涵设计研发完成，并于2024-10-09向国家知识产权局提交的专利申请。

本基于专心自注意力集成结构组件的代码搜索方法、系统及其装置在说明书摘要公布了：本发明提出了基于专心自注意力集成结构组件的代码搜索方法、系统及其装置，有效提升不完整代码片段的搜索准确性。所述方法采用专心自注意力神经网络，从令牌级、序列级和交互级分层次地学习自然描述和代码结构组件的语义特征，进而提高搜索匹配精度。通过相似度匹配生成不同方向的注意力投影向量，引导自然描述和代码结构组件之间的嵌入式表示学习，从本地到全局实现更精确的代码搜索。本发明在公共数据集上表现出色，在所有评价指标上均获得了满分1的优异成绩，即使在训练数据规模较小的情况下，性能仍然明显优于现有最优基线模型；本发明在模型训练和代码查询的效率上，比最优基线模型快，体现了其在时效性和准确性方面的优势。

本发明授权基于专心自注意力集成结构组件的代码搜索方法、系统及其装置在权利要求书中公布了：1.一种基于专心自注意力集成结构组件的代码搜索方法，其特征在于，包括以下步骤： S1、针对代码的结构组件学习词嵌入表示并通过专心自注意力神经网络整合代码结构组件的统一嵌入表示； 具体步骤如下： S1.1、利用专心自注意力神经网络来学习代码结构组件中词语之间的关系表示；所述代码结构组件包括：“方法名称”、“API序列”和“标记序列”； S1.2、通过三个单独的权重矩阵{WQ，WK，Wv}∈Rd×d将嵌入矩阵ME投影到“方法名称”查询向量“方法名称”键向量和“方法名称”值向量中，dk表示投影变换后键的维度，d表示维度，H表示方法名称的长度；表达式如下： 式中，表示第一权重矩阵的转置，表示第二权重矩阵的转置，表示第三权重矩阵的转置； S1.3、通过专心自注意力神经网络结合查询Qname、键Kname和值Vname向量提取“方法名称”的语义信息，结合后的表达式如下： 式中，U是对齐矩阵，具体为一个均值0、方差1的正态分布矩阵；Softmax·是标准化函数，确保所有列值的总和等于1；contname向量包含了从专心自注意力中导出代码的上下文矩阵dv表示投影变换后值向量的维度； 通过将contname向量应用到位置全连接前馈网络中，得出“方法名称”的嵌入表示表达式如下： VTname＝relucontname·W1+b1·W2+b2 式中，W1∈Rd‘×4d’和b1∈R4d’属于第一组权重矩阵和偏置值，W2∈R4d‘×d’，以及b2∈Rd’属于第二组权重矩阵和偏置值；在全连接网络中，contname在第一层被放大到四维4d′，然后在第二层通过激活函数relu·减少回一维d′； S1.4、通过重复执行上述操作，得到“API序列”和“标记序列”的嵌入表示，分别为J表示API序列和标记序列的长度； S1.5、将VTapi，VTname和VTtokens分别映射到“API序列”查询向量“方法名称”键向量和“标记序列”值向量具体表达式如下： S1.6、在得到“API序列”查询向量，“方法名称”键向量和“标记序列”值向量后，继续构造代码的上下文矩阵表达式如下： 通过将上下文矩阵应用到位置全连接前馈网络中，最终获得代码结构组件的统一嵌入表示 S2、针对自然描述学习词嵌入表示并通过专心自注意力神经网络学习自然描述的统一嵌入表示； S3、通过专心自注意力神经网络对代码结构组件的统一嵌入表示和自然描述的统一嵌入表示进行交互式表示学习； S4、对交互式表示学习得到的向量进行平均池化操作并计算余弦相似度进行匹配； S5、构建基于专心自注意力神经网络的代码搜索模型LGATCS，并构建合页损失函数； S6、训练代码搜索模型LGATCS的超参数，并根据得到的超参数文件对用户查询进行代码推荐； S7、实验评估代码搜索模型LGATCS的性能。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人云南大学，其通讯地址为：650031 云南省昆明市五华区翠湖北路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。